Read more
Im Rahmen des Projekts SWAP - Smart Weather Analysis and Prognosis - der Zentralanstalt für Meteorologie und Geodynamik (ZAMG) wurde ein Wetter-Absatz-Prognose-Tool entwickelt, dass einem Testbetrieb, einer Konditorei in Gratkorn, helfen soll, seine Wegwerfwaren zu reduzieren und seine Ressourcen effektiver einzusetzen. Für die Berechnung der Absatz-Prognosen wurde als statistische Rechenart die Methode des Bayes'schen Netzes angewandt. Das Bayes'sche Netz hat gegenüber anderen Regressionsmodellen den großen Vorteil, dass es individuell an die Anforderungen des Betriebs angepasst werden kann, dass es spezielle Wahrscheinlichkeitsverteilungen der Prognose generiert und dass es "lernt". Es werden die Grundlagen der Wahrscheinlichkeitsrechnung, das bayessche Theorem und die bedingte Wahrscheinlichkeit genauer erklärt, sowie die Korrelations- und Regressionsanalyse vorgestellt. Weiters wird die Theorie des Bayes'schen Netzes erläutert und die Einbindung der statistischen Rechenmethode in das, in R geschriebene, Absatz-Prognose-Programm erklärt. Das erstellte Programm führt eine wissenschaftliche Prognoseberechnung des Umsatzes durch und ermöglicht einem Betrieb nachhaltiger und ressourcenschonender zu planen.
About the author
Masterstudium Physik, Karl-Franzens-Universität, Graz, Schwerpunktfach Geophysik, Teilfach ¿Umweltphysik und Meteorologie¿.
